Stable Diffusion 中的混合语法。

近年来，AI生成内容（AIGC）领域的飞速发展催生了诸多创新技术与应用，尤其是AI绘画。为降低构建Prompt的复杂性，我们基于ChatGPT实现了一个Stable Diffusion提示词生成器，支持多语言提示词和智能优化与扩展提示词，助力初学者轻松探索AI绘画世界。

初步掌握了AI二维码的生成方法，效果图如下，开个🧵简单介绍一下工作流。

在开始这篇文章之前，我想先给大家介绍一下我个人学习深入 SD 的学习曲线。

1. 先学最基础的，大概理解参数模型提示词的用途，先把 SD 的流程跑通，这一步大概可以做出来相对看得过去的图了。
2. 然后再去研究模型和提示词的高级用法，比如，混用 lora 模型，提示词的分步和融合写法，这个时候，必然会涉及到一些原理性的东西，就会理解为什么 AI 画不好手了。到这一步，可以对图进行针对性的优化了，比如说一个图3. 怎么达不到提示词想要的效果，可以针对性地优化提示词。
3. 学习其他功能，图生图，Control net 插件，以及分层控制 Lora 模型等进阶功能。 训练自己的模型。

Yesterday, I created this image using Stable Diffusion and ControlNet, and shared on Twitter and Instagram – an illustration that also functions as a scannable QR code.

作者分享了关于SD的使用和Lora模型的相关资料，文章内容干货十足。

文章介绍了面部修复、高清修复和图片尺寸参数的使用方法。

文章介绍了如何安装和启动Stabe Diffusion，提供了启动器和安装包下载链接。通过安装依赖和替换文件的方式，成功入门Stabe Diffusion。文章附有图片指导操作，方便易懂。

A recent Reddit post showcased a series of artistic QR codes created with Stable Diffusion. Those QR codes were generated with a custom-trained ControlNet model. Just like another day in the Stable Diffusion community, people have quickly figured out how to make QR codes with Stable Diffusion WITHOUT a custom model.

QR code, short for Quick Response code, is a common way to encode text or URL in a 2D image. You can typically use your phone’s camera app to read the code.

In this post, you will learn how to generate QR codes like these.

本文主要介绍了 StableDiffusion在图片生成上的内容，然后详细说明了StableDiffusion 的主要术语和参数，并探讨了如何使用 prompt 和高级技巧（如图像修复、训练自定义模型和图像编辑）来生成高质量的图片。

A guide on how to create QR codes within stable diffusion.

近半年来，AIGC技术在各个领域都取得了重大突破，尤其是在设计领域，AI绘画技术的出现加速了设计行业的变革，为设计师带来了新的机遇和挑战。

其中，Midjourney和Stable Diffusion等AI绘图工具快速崛起，成为备受设计师青睐的代表。这些工具利用深度学习技术，通过学习大量的艺术作品来生成图像，具有操作简单、生成速度快等特点，而智行营销需求具有高频率、快节奏等属性，因此将AI绘画应用到设计流程中，有望提高设计师的生产力和效率。

本文介绍了Stable Diffusion（SD）生成模型的原理和训练技术，包括Text Encoder、CLIP、UNET和常见微调技术等内容。其中，Free Guidance方法被用来加强prompt的权重，保证在每一步去噪时都有足够的权重参与运算。该方法在SD的web UI中被称为“提示词相关性”，决定了生成的图与提示词的相关程度。SD是一种生成模型，可以用于图像生成和文本生成。

Stable Diffusion 技术把 AI 图像生成提高到了一个全新高度，文生图 Text to image 生成质量很大程度上取决于你的提示词 Prompt 好不好。本文从“如何写好提示词”出发，从提示词构成、调整规则和 chatGPT 辅助工具等角度，对文生图的提示词输入进行归纳总结。

Remove people from photos with a Stable Diffusion microservice.

本文介绍的方案应用场景是针对电商行业，一些电商公司在日常运营工作中，需要处理大量的模特搭配服装的产品图片，这些图片需要电商公司耗费成本去准备且时间周期也比较长。本方案使用 Stable Diffusion WebUI 及相关的扩展组件应用在 Amazon EC2 (本文使用 G4dn 实例) 探索一种可以快速生成AI模特适配服装产品。